# pyecharts_week07 **Repository Path**: NFUNM086/pyecharts_week07 ## Basic Information - **Project Name**: pyecharts_week07 - **Description**: No description available - **Primary Language**: HTML/CSS - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2019-10-08 - **Last Updated**: 2024-10-27 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README 1006（1）

探究2017年分省GDP和最低生活保障人数之间的相关关系

1. 导入数据

In [2]:
import pandas as pd
df = pd.read_csv("guarantee of subsistence allowances_GDP.csv")
In [8]:
df
Out[8]:
province city countryside all_num GDP
0 北京市 7.8 4.4 12.2 28014.94
1 天津市 10.7 9.1 19.8 18549.19
2 河北省 35.5 160.2 195.7 34016.32
3 山西省 46.0 111.2 157.2 15528.42
4 内蒙古 43.0 119.9 162.9 16096.21
5 辽宁省 53.8 73.0 126.8 23409.24
6 吉林省 59.2 70.3 129.5 14944.53
7 黑龙江省 95.4 105.2 200.6 15902.68
8 上海市 15.7 3.5 19.2 30632.99
9 江苏省 20.5 97.2 117.7 85869.76
10 浙江省 22.2 59.2 81.4 51768.26
11 安徽省 47.9 155.5 203.4 27018.00
12 福建省 6.8 39.1 45.9 32182.09
13 江西省 83.3 175.7 259.0 20006.31
14 山东省 23.8 181.6 205.4 72634.15
15 河南省 67.8 288.1 355.9 44552.83
16 湖北省 45.9 137.9 183.8 35478.09
17 湖南省 76.7 124.9 201.6 33902.96
18 广东省 22.8 146.8 169.6 89705.23
19 广西 19.1 253.9 273.0 18523.26
20 海南省 6.3 18.1 24.4 4462.54
21 重庆市 34.0 60.2 94.2 19424.73
22 四川省 118.4 366.3 484.7 36980.22
23 贵州省 31.5 260.0 291.5 13540.83
24 云南省 70.9 329.9 400.8 16376.34
25 西藏 3.3 22.7 26.0 1310.92
26 陕西省 30.6 87.6 118.2 21898.81
27 甘肃省 65.1 299.3 364.4 7459.90
28 青海省 13.4 42.6 56.0 2624.83
29 宁夏 10.8 38.1 48.9 3443.56
30 新疆 72.9 203.6 276.5 10881.96
In [9]:
分省最低生活保障人数 = list(zip(list(df.province),list(df.all_num)))  # 转换为列表
print (分省最低生活保障人数)

[('北京市', 12.2), ('天津市', 19.8), ('河北省', 195.7), ('山西省', 157.2), ('内蒙古', 162.9), ('辽宁省', 126.8), ('吉林省', 129.5), ('黑龙江省', 200.6), ('上海市', 19.2), ('江苏省', 117.7), ('浙江省', 81.4), ('安徽省', 203.4), ('福建省', 45.9), ('江西省', 259.0), ('山东省', 205.4), ('河南省', 355.9), ('湖北省', 183.8), ('湖南省', 201.6), ('广东省', 169.6), ('广西', 273.0), ('海南省', 24.4), ('重庆市', 94.2), ('四川省', 484.7), ('贵州省', 291.5), ('云南省', 400.8), ('西藏', 26.0), ('陕西省', 118.2), ('甘肃省', 364.4), ('青海省', 56.0), ('宁夏', 48.9), ('新疆', 276.5)]

2. 分省最低生活保障人数的地理图表

In [10]:
from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType, SymbolType



def geo_最低生活保障人数() -> Geo:
    c = (
        Geo()
        .add_schema(maptype="china")
        .add("最低生活保障人数（万人）", 分省最低生活保障人数)
        .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(
            visualmap_opts=opts.VisualMapOpts(min_= df.all_num.min(), max_= df.all_num.max()),
            title_opts=opts.TitleOpts(title="中国分省最低生活保障人数数据"),
            
        )
    )

    return c
分省最低生活保障人数地理图 = geo_最低生活保障人数()
分省最低生活保障人数地理图.render_notebook()
Out[10]:
  • #### 可以看出国内最低生活保障人数最多的省为四川省，同时数目比较高的省还有云南、河南、甘肃、贵州、新疆、广西；而最低生活保障人数最少的省是北京，同时数目比较低的还有上海、天津、海南、西藏、福建。

3. 分省GDP的地理图表

In [11]:
分省GDP = list(zip(list(df.province),list(df.GDP)))
print (分省GDP)

[('北京市', 28014.94), ('天津市', 18549.19), ('河北省', 34016.32), ('山西省', 15528.42), ('内蒙古', 16096.21), ('辽宁省', 23409.24), ('吉林省', 14944.53), ('黑龙江省', 15902.68), ('上海市', 30632.99), ('江苏省', 85869.76), ('浙江省', 51768.26), ('安徽省', 27018.0), ('福建省', 32182.09), ('江西省', 20006.31), ('山东省', 72634.15), ('河南省', 44552.83), ('湖北省', 35478.09), ('湖南省', 33902.96), ('广东省', 89705.23), ('广西', 18523.26), ('海南省', 4462.54), ('重庆市', 19424.73), ('四川省', 36980.22), ('贵州省', 13540.83), ('云南省', 16376.34), ('西藏', 1310.92), ('陕西省', 21898.81), ('甘肃省', 7459.9), ('青海省', 2624.83), ('宁夏', 3443.56), ('新疆', 10881.96)]
In [12]:
def geo_分省GDP() -> Geo:
    c = (
        Geo()
        .add_schema(maptype="china")
        .add("GDP（亿元）", 分省GDP)
        .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(
            visualmap_opts=opts.VisualMapOpts(min_= df.GDP.min(), max_=df.GDP.max()),
            title_opts=opts.TitleOpts(title="中国分省GDP数据"),
            
        )
    )

    return c
分省GDP地理图 = geo_分省GDP()
分省GDP地理图.render_notebook()
Out[12]:
  • #### 从图中可看出国内GDP（生产总值）最高的省是广东，同时比较高的是江苏、山东、浙江、河南；GDP最低的省是西藏，同时比较低的是青海、宁夏、海南、甘肃。

4. 分省GDP和最低生活保障人数对比的散点图

4.1 把分省GDP数据进行由大至小的排序，方便比较

In [13]:
df_scatter = df[["province", "all_num", "GDP"]].copy()
df_scatter.sort_values("GDP", ascending=False, inplace=True)
df_scatter
Out[13]:
province all_num GDP
18 广东省 169.6 89705.23
9 江苏省 117.7 85869.76
14 山东省 205.4 72634.15
10 浙江省 81.4 51768.26
15 河南省 355.9 44552.83
22 四川省 484.7 36980.22
16 湖北省 183.8 35478.09
2 河北省 195.7 34016.32
17 湖南省 201.6 33902.96
12 福建省 45.9 32182.09
8 上海市 19.2 30632.99
0 北京市 12.2 28014.94
11 安徽省 203.4 27018.00
5 辽宁省 126.8 23409.24
26 陕西省 118.2 21898.81
13 江西省 259.0 20006.31
21 重庆市 94.2 19424.73
1 天津市 19.8 18549.19
19 广西 273.0 18523.26
24 云南省 400.8 16376.34
4 内蒙古 162.9 16096.21
7 黑龙江省 200.6 15902.68
3 山西省 157.2 15528.42
6 吉林省 129.5 14944.53
23 贵州省 291.5 13540.83
30 新疆 276.5 10881.96
27 甘肃省 364.4 7459.90
20 海南省 24.4 4462.54
29 宁夏 48.9 3443.56
28 青海省 56.0 2624.83
25 西藏 26.0 1310.92
In [14]:
obj_zip = zip(list(df_scatter.province),list(df_scatter.GDP)) 
print(obj_zip)
dic_GDP = dict(obj_zip) #convert zip object to dict
print(dic_GDP)

<zip object at 0x0000016F3D3EDE48>
{'广东省': 89705.23, '江苏省': 85869.76, '山东省': 72634.15, '浙江省': 51768.26, '河南省': 44552.83, '四川省': 36980.22, '湖北省': 35478.09, '河北省': 34016.32, '湖南省': 33902.96, '福建省': 32182.09, '上海市': 30632.99, '北京市': 28014.94, '安徽省': 27018.0, '辽宁省': 23409.24, '陕西省': 21898.81, '江西省': 20006.31, '重庆市': 19424.73, '天津市': 18549.19, '广西': 18523.26, '云南省': 16376.34, '内蒙古': 16096.21, '黑龙江省': 15902.68, '山西省': 15528.42, '吉林省': 14944.53, '贵州省': 13540.83, '新疆': 10881.96, '甘肃省': 7459.9, '海南省': 4462.54, '宁夏': 3443.56, '青海省': 2624.83, '西藏': 1310.92}

4.2 分省GDP和最低生活保障人数对比的散点图（Scatter）

In [15]:
from pyecharts import options as opts
from pyecharts.charts import Scatter


def scatter_base() -> Scatter:
    c = (
        Scatter(init_opts=opts.InitOpts(width="2500px", height="800px"))
        .add_xaxis(list(df_scatter.province))
        .add_yaxis("人数", list(df_scatter.all_num))
        .set_global_opts(title_opts=opts.TitleOpts(title="分省GDP和最低生活保障人数对比"))
    )
    return c
scatter_base().render_notebook()
Out[15]:
  • #### 由图可以看出，GDP高而最低生活保障人数低（左下）的省份为广东、江苏、山东，而GDP低而最低生活保障人数高（右上）的省份为甘肃、新疆、贵州。

总结

一、由图可得：

  • 可以看出国内最低生活保障人数最多的省为四川省，同时数目比较高的省还有云南、河南、甘肃、贵州、新疆、广西；而最低生活保障人数最少的省是北京，同时数目比较低的还有上海、天津、海南、西藏、福建。

  • 从图中可看出国内GDP（生产总值）最高的省是广东，同时比较高的是江苏、山东、浙江、河南；GDP最低的省是西藏，同时比较低的是青海、宁夏、海南、甘肃。

  • 由图可以看出，GDP高而最低生活保障人数低（左下）的省份为广东、江苏、山东，而GDP低而最低生活保障人数高（右上）的省份为甘肃、新疆、贵州。

二、结论：

  • 可以看出GDP和最低生活保障人数没有因果关系，但有相关关系。GDP高的省份像广东、江苏、山东基本上最低生活保障人数都偏低，说明城市在经济发展的同时，居民的生活水平也相对来说不会落下，贫困人数适应生产总值的发展。而GDP低的省份像甘肃GDP低而最低生活保障人数高，说明该城市经济发展还比较滞后，贫困人民还比较多，国家应加重对甘肃的扶持。
In [ ]: